根据Business Insider的2017年5月对4135位美国用户的调查 ， 当中只有46%的受访者表示有使用语音助手的习惯 。 在这46%的受访者当中 ， 有42%的受访者在智能手机上使用语音助手 ， 14%的受访者在智能音箱上使用语音助手 ， 至于其他设备上使用的概率就更低了 。 语音助手作为AI民用化的一个普遍缩影 ， 如此的表现不禁让人怀疑 ， 为什么在技术日新月异的今天 ， AI的发展仍然未能按消费者和厂商所共同希冀的去走呢？
文章图片
我们仍然是以语音助手这个富有共性的例子来探讨 ， 大家在实际使用的过程中 ， 也许会遇到一个普遍性很强的问题——语音助手无法准确理解你说的是什么 。 墨尔本大学人机交互博士候选人Fraser Allison的一篇文章中提到 ， 学习使用语音系统可能是一件很困难的事 。 不仅是要在长时间的使用中摸清楚语音助手的逻辑脾性 ， 并且还要准确无误地进行表达 。
文章图片
在当下智能硬件逐步简化使用步骤的大环境下 ， 这种堪比DOS年代学习指令的操作模式 ， 无形中提高了使用门槛 。 加上语音识别在硬件方面——诸如降噪麦克风——的需求 ， 语音助手的市场拓展真是举步维艰 。 话虽如此 ， 但语音助手现在的处境 ， 反倒刺激了业界以更高的视觉和思维 ， 去解决存在的问题 。
文章图片
解决问题的重点如前文所说 ， 是应该让机器去学习用户的使用习惯 ， 而不是要用户“冷面贴屁股”地迎合语音助手的运作 。 事实上 ， 这也是现在很多智能硬件 ， 乃至智能化发展 ， 最核心的重点 。 那么 ， 真正能够帮助人类发展的AI模式 ， 未来在哪呢？其实在文章的开头已经给出了答案——以DeepMind为代表的神经网络 。
文章图片
神经网络的优势在于 ， 它是一种模仿生物神经网络（动物的中枢神经系统 ， 特别是大脑）的结构和功能的数学模型或计算模型 ， 用于对函数进行估计或近似 。 大多数情况下人工神经网络能在外界信息的基础上改变内部结构 ， 是一种自适应系统 。 在全球范围来说 ， 各地风土人情 ， 用户之间操作习惯 ， 这些变数越不同 ， 越有利于神经网络的学习 。 也许神经网络并未能让我们看到AI觉醒的未来 ， 但在可期的时间段内 ， 它的影响力正在扩散蔓延 。
推荐阅读
- 星链|石豪：在太空，马斯克和美国当局是如何作恶的
- 快报|“他，是能成就导师的学生”
- 区块|面向2030：影响数据存储产业的十大应用（下）：新兴应用
- 年轻人|人生缺少的不是运气，而是少了这些高质量订阅号
- 生活|气笑了，这APP的年度报告是在嘲讽我吧
- bug|这款小工具让你的Win10用上“Win11亚克力半透明菜单”
- 苏宁|小门店里的暖心事,三位创业者的雪域坚守
- 历史|科普：詹姆斯·韦布空间望远镜——探索宇宙历史的“深空巨镜”
- 空间|（科技）科普：詹姆斯·韦布空间望远镜——探索宇宙历史的“深空巨镜”
- 生活|数字文旅的精彩生活